استفاده از مدل گمپرتز برای تخمین پارامترهای رشد جوجه‏های گوشتی تغذیه شده با بنتونیت سدیم و مقایسه آن با شبکه عصبی-مصنوعی

این آزمایش به منظور تعیین اثر سطوح مختلف بنتونیت ‏سدیم بر پارامترهای رشد جوجه‎های گوشتی و مقایسه توان پیش‏بینی شبکه عصبی مصنوعی و مدل‏ گمپرتز انجام گردید. به این منظور از 288 قطعه جوجه گوشتی یک روزه سویه راس که در قالب یک طرح کاملاً تصادفی با شش تیمار (6 جیره) و هر تیمار شامل 4 تکرار استفاده شد. تیمارها به ترتیب شامل 0، 75/0، 5/1، 25/2، 3 و 75/3 درصد بنتونیت‏سدیم بودند که به صورت سرک استفاده شدند. به منظور برآورد خصوصیات رشد از تابع رشد گمپرتز استفاده گردید و جهت مقایسه توان پیش‏بینی این تابع با مدل شبکه عصبی مصنوعی از شاخص‏های مجذور ضریب همبستگی (R²)، میانگین قدر مطلق انحرافات (MAD)، ریشه میانگین مربع خطا (RMSE) و اریبی استفاده گردید. تیمارهای آزمایشی سبب تغییر معنی‏دار در پارامترهای مقدار وزن نهایی (W_f)، وزن اولیه جوجه‏ها (W₀)، زمان تغییر منحنی رشد (T) و وزن در زمان تغییر منحنی رشد (W_i) گردیدند (05/0(P<، اما ثابت رشد نمایی (b) تحت تأثیر جیره‏های آزمایشی قرار نگرفت. نرخ رشد در تمام سنین به جز هفته چهارم تحت تأثیر تیمارهای غذایی قرار گرفت و اختلاف معنی داری بین تیمارها مشاهده شد (05/0(P<. نتایج مقایسه شاخص‏های توان پیش‏بینی نشان داد، مقدار مجذور ضریب همبستگی، برای شبکه عصبی مصنوعی بالاتر از این مقدار برای معادله گمپرتز است، این مقادیر به ترتیب 9992/0 و 9925/0 بود. از طرف دیگر مقدار میانگین قدر مطلق انحرافات، ریشه میانگین مربع خطا و اریبی شبکه عصبی مصنوعی کم‌تر از معادله گمپرتز بود. در کل یافته‌های این تحقیق نشان دهنده کارایی بیشتر شبکه عصبی مصنوعی نسبت به معادله گمپرتز برای بیش‏بینی وزن جوجه‏های گوشتی در سن 42 روزگی می‏باشد.